河南大学地理信息系统GIS暑期实习报告

1、2010级地学实验班实习报告系 别 地理学 姓 名 田海峰 学 号 实验室 GIS实验室 总成绩 2013年7月5日目录目录1实习一：遥感地学分析应用3指导教师： 陈锋锐教授3一、实习目的3二、实习内容3三、实习步骤31.1导入采样点数据31.2对遥感影像预处理41.3提取采样点位置的遥感影像信息51.4对采样点遥感影像信息进行主成分分析和相关分析61.5 构建模型61.6影像反演6四、实习小结8实习二：遥感信息提取8指导教师：张喜旺教授8一、实习目的8二、实习内容8三、实习步骤82.1遥感影像波段组合82.2 对组合后的影响进行投影定义102.3编写相关模型，提取NDVI和植被覆盖度（FC）

2、112.4提取坡度信息142.5土地覆盖信息提取162.6土壤侵蚀风险信息提取172.7统计与制图18四、实习小结20实习三： ArcGIS地统计分析21指导教师：赵永教授21一、实习目的21二、实习内容21三、实习步骤213.1使用缺省参数创建一个表面213.2数据检查223.3 制作臭氧浓度图253.4生成最终成果图29四、实习小结31实习四： ArcObjects的开发32指导教师： 韩志刚教授32一、实习目的32二、实习内容32三、实习步骤324.1 实现加载地图324.2 提取序号为6的字段值35四、实习小结37实习五： WEBGIS开发38指导教师： 陈郁教授38一、实习目的38二

3、、实习内容38三、实习步骤385.1在浏览器中加载一幅瓦块地图385.2设置鹰眼图控件、比例尺控件、书签控件405.3加载动态地图并显示文本43四、实习小结44实习六： 基于DEM的水文分析45指导教师： 闫卫阳教授45一、实习目的45二、实习内容45三、实习步骤456.1 TIN生成，将TIN转成格网DEM456.2 洼地分析486.3洼地填充和洼地填充后的水流方向计算496.4 水流累积量计算516.5 水流长度计算536.6 水系网络提取546.7 流域提取与分析58四、实习小结59实习总结60实习一：遥感地学分析应一、实习目的学习在ArcGIS中利用采样点的土壤成分数据和遥感影像数据进

4、行空间插值预测分析，对已提取得到的采样点位置的遥感影像数据，学会在MATLAB中建立预测模型，然后在预测模型的基础上，对研究区遥感影像数据进行土壤成分反演，以得到研究区土壤成分的面数据层。二、实习内容1 将采样点数据导入ArcGIS中；2 对遥感影像预处理；3 提取采样点位置的遥感影像信息；4 对采样点遥感影像信息进行主成分分析和相关分析；5 构建模型；6 利用模型对遥感影像进行反演土壤成分。三、实习步骤1.1导入采样点数据将采样点数据导入ArcGIS，在File菜单下右击Add Data下的Add XY Data菜单，弹出图1-1对话框，在Choose a table from the ma

5、p or browse for another table中选择采样点数据，然后在X Field输入框列表中选择点数据中的纬度坐标数据字段X，在Y Field输入框列表中选择点数据中的经度坐标数据字段Y，如图1-1。在Description框中选择Edit按钮，然后在弹出的对话框中选择Import按钮，然后再在弹出的对话框中的Look in输入框列表中选择data.gdb，然后点击Add按钮，完成点数据的投影定义（图1-1），然后点击OK按钮完成数据导入。图1-1 Add XY Data对话框图1-2 采样点数据导入ArcGIS1.2对遥感影像预处理首先对遥感影像进行几何校正处理。所获取的遥感

6、影像范围与研究区范围不一致，因此要根据研究区范围对影像进行裁剪，即掩膜处理。在ArcToolbox中选择Spatial Analyst Tools，在Spatial Analyst Tools下列表中选择Extraction，在Extraction下列表中选择Extraction by Mask，弹出图1-3对话框，在其中Input raster输入框中选择需要掩膜的遥感影像，在Input raster or feature mask data输入框中选择研究区的“区域范围”作为掩膜的底图，在Ourput raster输入框中设置输出路径，然后点击OK。遥感影像的17波段分别执行以上操作。打开

7、刚刚输出的遥感影像数据，见图1-4。图1-3 Extraction by Mask图1-4 预处理后的遥感影像1.3提取采样点位置的遥感影像信息在ArcToolbox中选择Spatial Analyst Tools，在Spatial Analyst Tools下列表中选择Extraction，在Extraction下列表中选择Extraction Multi Values to point，弹出图，在Input point feature输入框中选择采样点数据，在Input rasters输入框中将所需要的遥感数据导入，然后点击OK按钮。然后在ArcMap中打开提取的遥感影响信息，导出Exce

8、l格式。图1-5 Extraction Multi Values to point对话框1.4对采样点遥感影像信息进行主成分分析和相关分析利用SPSS的相关分析功能，得到七个波段与SOM值的相关矩阵，表1，分析知，前三波段和第五波段与SOM的相关性大，同时前三波段之间又有很大的相关性，因此取与SOM相关性最大的第二波段。这样就确定了第二波段和第五波段为影响SOM的主要波段。表1 相关矩阵band1band2band3band4band5band6band7相关band11.000.882.843.202.015.182.056band2.8821.000.983.048

9、band3.843.9221.0039.009band421.000.072.503-.056band5.0721.000.133.029band39.503.1331.000.145band7.056.048.009-.056.029.1451.000SOM.520.611.556.029.457-.018-.0121.5 构建模型通过SPSS线性回归分析，得到第二波段和第五波段对SOM影响的模型方程，方程系数见表2，方程为：SOM=847.637*band2 + 553.171*band5 114.1

10、15表2 系数模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-114.11512.783-8.927.000band2847.63769.431.54612.208.000band5553.17168.912.3598.027.000a. 因变量: SOM1.6影像反演通过ArcGIS中的Raster Calculator功能（图1-6），依据模型创建新的图层，该图层就是研究区的SOM图（图1-7），也可以将图1-7中的数据导出。图1-6 Raster Calculator对话框图1-7 结果显示四、实习小结虽然一般GIS软件具有空间插值的功能，但是通过此次实习我理解了KRIG

11、ING等插值方法的局限性，通过采样点解译遥感影像，进而来反演地物特征，这样的反演预测较空间插值方法更精确。当然，模型的建立是影像预测精度的重要因素，因此构建合适的模型是此次实习的关键，模型构建后，要对模型进行检验。实习二：遥感信息提取一、实习目的理解计算机图像处理的基本原理和方法，通过实际操作和锻炼，达到能熟练地从遥感图像提取所需要信息的目的。二、实习内容以提取一个流域土壤侵蚀风险为例，掌握利用遥感软件从影像中提取信息的方法。（1）遥感影像的下载与波段组合；（2）ERDARS Model Maker学习；（3）提取植被指数；（4）提取植被覆盖度；（5）提取坡度信息；（6）土地覆盖信息提取；（7

12、）土壤侵蚀风险信息提取；（8）统计与制图。三、实习步骤2.1遥感影像波段组合ERDARS 中Interpreter-Utilities-Layer Stack工具进行波段组合。在Input File:(*.img)输入框中依次选中所需要的波段，然后点击OK按钮，再按Add按钮，如图2-1和2-2。组合后的影响如图2-3。图2-1 影像组合操作过程图图2-2 影像组合对话框图2-3 组合后影响结果2.2 对组合后的影响进行投影定义DataPrep -Reproject Images 弹出图2-4，Input File:(*.img)输入框中选中上文中组合后的影像，在Categores在选中Arg

13、entina，然后打开(Edited)Projection Chooser对话框（图2-5），Projection Type中选择Albers Conical Equal Area，各参数如图2-5进行设置。这样就完成了对组合后影像的投影定义。图2-4 Reproject Images对话框图2-5(Edited)Projection Chooser对话框2.3编写相关模型，提取NDVI和植被覆盖度（FC）NDVI和植被覆盖度（FC）的计算方程如下：DNNIR表示近红外波段，是影像中的第四波段，DNR表示红波段，是影像中的第三波段。NDVIsoil为影像中最小象元值，NDVIVeg为影像中最大

14、象元值。通过modeler - model maker建立模型，如图2-6和2-7。由于四波段和三波段相加后值可能为零，这样分母为零就可能出现错误，因此要用条件计算方法进行NDVI的计算，具体公式见图2-7。通过图2-8检查得到NDVIsoil为0.09375，NDVIVeg为1。然后通过图2-9的模型计算FC。图2-6 计算NDVI模型图图2-7 NDVI条件计算公式图2-8 查看影像象元值的最大最小值图2-9 计算FC的模型2.4提取坡度信息基于DEM数据，利用Interpreter-Topographic Analysis-Slope提取坡度信息，操作步骤见图2-10。在Iput DEM

15、 File中输入DEM数据，坡度提取的结果见图2-11。图2-10 提取坡度信息对话框2-11 坡度提取结果2.5土地覆盖信息提取利用监督分类方法提取土地覆盖信息，首先选择分类标准，如图2-13，这一过程中要做到监督标准尽可能的准确详细，因为如果分类标准不准确的话，那么分出的类别就一定会有错误。设置监督分类标准后执行监督分类。本次分类的目的是区别耕地与非耕地，因此执行分类后，通过Interpreter -GIS Analysis - Recode，将耕地赋值为1，其它覆被类型设置为0（图2-13），完成耕地与非耕地的划分。图2-12 设置分类标准图2-13 提取耕地信息2.6土壤侵蚀风险信息提

16、取建立模型进行土壤侵蚀风险信息提取，见图2-14。图2-14 土壤侵蚀等级模型2.7统计与制图使用AOI工具切割研究区域，保存AOI文件（图2-15）执行data preparation - subset image，输入土壤侵蚀分类图像，点击 AOI，即按所保存的AOI文件进行切割，输出所切割的img影像（图2-16）。在ArcMap中，处理得出土壤侵蚀等级地图（图2-17）。图2-15 切割研究区图2-16 subset image对话框图2-17 土壤侵蚀分类图在ArcMap中，查看其属性表，即各级所占的栅格数，并将其输出为dbf文件格式；用Excel打开dbf文件：每个栅格的面积为30

17、*30 m2，由此求出每个等级土壤的面积（km2）和比例，结果见表1：表1 研究区各侵蚀等级面积侵蚀风险等级面积（km2）比例微度侵蚀508.85 10.52 轻度侵蚀130.31 2.69 中度侵蚀2433.00 50.28 强度侵蚀1416.00 29.27 极强度侵蚀308.57 6.38 剧烈侵蚀41.34 0.85 总计4838.07 1.00 由表可知：该研究区50%以上的区域是中度污染，面积为2433 km2；29.27%为强度污染，其次是微度污染（10.5%）、极强度侵蚀（6.37%）。需执行Interpreter GIS analysis Recode对坡度进行重分类，然后在

18、ArcMap中执行Spatial Analist Tools Zonal Tabulate Area，得到相应的属性表，并将其输出为dbf文件格式，其余步骤同上。依次得到表24。表3 大理河流域2010年各坡度带内侵蚀风险分布情况 km2坡度带微度比例轻度比例中度比例强度比例极强度比例剧烈比例侵蚀（%）侵蚀（%）侵蚀（%）侵蚀（%）侵蚀（%）侵蚀（%） 350.00 0.00 0.00 0.00 0.00 0.00 0.29 0.00 3.67 0.10 32.95 0.70 总计484.87 10.10 130.33 2.70 2432.80 50.50 1416.01 29.40 308.

19、55 6.40 41.35 0.90 表4 大理河流域2010年各高程带内侵蚀风险分布情况 km2高程带微度比例轻度比例中度比例强度比例极强度比例剧烈比例侵蚀（%）侵蚀（%）侵蚀（%）侵蚀（%）侵蚀（%）侵蚀（%） 1600m66.91 1.40 17.60 0.40 259.91 5.40 66.91 1.40 17.60 0.40 259.91 0.20 总计508.97 10.60 130.33 2.70 2432.80 50.50 1416.01 29.30 308.55 6.40 41.35 0.90 表5 大理河流域2010年各县侵蚀风险分布情况 km2高程带微度比例轻度比例中度比

20、例强度比例极强度比例剧烈比例侵蚀（%）侵蚀（%）侵蚀（%）侵蚀（%）侵蚀（%）侵蚀（%）横山县163.80 3.40 44.18 0.90 768.45 15.90 430.03 8.90 89.69 1.90 12.73 0.30 米脂县18.79 0.40 3.02 0.10 72.70 1.50 30.42 0.60 5.01 0.10 2.41 0.00 靖边县104.18 2.20 19.34 0.40 383.30 7.90 209.91 4.30 50.53 1.00 8.02 0.20 子洲县142.54 2.90 33.86 0.70 749.48 15.50 451.77

21、9.30 77.58 1.60 4.87 0.10 绥德县23.54 0.50 5.52 0.10 118.38 2.40 62.19 1.30 8.35 0.20 0.52 0.00 子长县28.31 0.60 14.20 0.30 198.70 4.10 143.00 3.00 47.17 1.00 7.26 0.20 安塞县26.99 0.60 10.03 0.20 139.13 2.90 87.49 1.80 30.02 0.60 5.48 0.10 总计508.15 10.50 130.15 2.70 2430.15 50.30 1414.81 29.30 308.35 6.40 4

22、1.29 0.90 四、实习小结通过本次实习，我理解了计算机图像处理的基本原理和方法，通过实际操作和锻炼，达到能熟练地从遥感图像提取所需要信息的目的。在进行遥感影像信息提取前，做好投影匹配是很重要的，如果投影没有设置正确，会对结果造成很大影响，甚至是错误结果，或者造成有些过程出错，得不到结果。在建立模型时，计算过程一定要仔细分析研究，避免模型出现问题，或模型不够完善。本次实习中由于四波段和三波段相加后值可能为零，这样分母就有可能会为零，这样就可能出现错误，因此要用条件计算方法进行NDVI的计算，要充分考虑分母为零时的处理方法。进行监督分类时，监督标准的设置尽可能的准确详细，因为如果分类标准不准

23、确的话，那么分出的类别就一定会有错误。减少误差的方法一方面是仔细，多设置取样点，另外就是将影像放大适当比例后，再进行设置取样点。实习三： ArcGIS地统计分析一、实习目的本实习旨在学会在ArcMap中利用地统计分析模块，根据点要素层中已测定的采样点数据，运用kriging插值方法创建该数据的面数据层，同时运用得到的面数据进行可视化、分析及理解各种地理空间现象，并在ArcMap中生成最终成果图。二、实习内容练习1：使用缺省参数创建一个表面；练习2：数据探查；练习3：制作臭氧浓度图；练习4：模型比较；练习5：制作超出某一临界值的臭氧概率图；练习6：生成最终成果图。三、实习步骤3.1使用缺省参数创

24、建一个表面单击Geostatistical Analyst，然后单击Geostatistical Wizard，弹出图3-1对话框，在该对话框中，点击Input Data下拉箭头，单击并选中臭氧的采样点数据层ca_ozone_pts，单击Attribute下拉框箭头，单击并选中属性字段OZONE（如图3-1箭头指示出）。单击Finsh按扭，在弹出的对话框中，点击OK完成使用缺省参数创建一个表面（见图3-2）。图3-1 Geostatistical Wizard对话框图3-2 使用缺省参数创建一个表面3.2数据检查（1）检查数据的分布当数据服从正态分布时，利用插值方法生成表面的效果最佳。如果数据

25、是偏态分布的，则可以选择数据变换使之服从正态分布。因此在创建表面之前了解数据分布非常重要。Histogram工具描绘了数据属性的频率直方图，可以有效地检验数据是否符合正态分布。据图3-3分析，图层ca_ozone_pts的臭氧分布符合正态分布。利用QQ图可以将现有数据的分布与标准正态分布对比，如果数据点接近一条直线，则它们越接近于服从正态分布。图3-4显示数据点几乎都在一条直线上，即QQ图结论和图3-3的结论较为一致。这样数据属于正态分布，计算时就不需要进行数据的正态性转换。图3-3 直方图3-4 QQ图（2）识别数据中的全局趋势只有在数据中存在某种趋势时，才可能利用某些数学公式对表面的非随机

26、成分进行表达。检查图层ca_ozone_pts的臭氧分布趋势情况（图3-5），分析知，自西向东的空间中臭氧分布有增加趋势，可用二次多项式描述；自北向南的空间中也有增加趋势，可用直线方程描述。说明图层ca_ozone_pts的臭氧分布具有西北东南方向的全局趋势，可以用二次多项式进行描述。图3-5 数据全局趋势检验（3）理解数据的空间自相关和方向效应半变异函数协方差函数云图能够检测已测样点间的空间自相关。空间自相关理论认为彼此之间距离越近的事物越相象。Y轴表示半变异函数值，即每一样点对间测量值之差的平方，而相应地用X轴表示每对样点之间的距离。在半变异函数协方差函数云图中，每个红点表示一对采样点。既

27、然越近的点越相似，那么在半变异函数云图中邻近的点（在X轴的左边）应该有较小的半变异函数值（在Y轴的下部）。随着样点对间距离的增加（在X轴上向右移动），变异函数值也要相应增加（在Y轴上向上移动）。然而，当到达一定的距离后，云图变平，这表明超出这个距离时，样点对之间不再具有相关关系了。图3-6中，X轴左端出现了y值较大的点，仔细分析虽然这些点对在距离上较近，但受地形和下垫面影响，如沿海和盆地之间受山脉阻挡，两地的臭氧含量具有较大不同，因此相关性较差。指针指向的方向决定了哪些样点对将会出现在半变异函数图中。例如，如果指针是东西方向，那么只有那些处于东西方向的点对才会在半变异函数图中显示，这就使你能够

28、去除你不感兴趣的那些点对从而来检查数据中的方向效应。图3-7中选择了Angle direction为44，所以它的数据点数较图3-6少了很多，说明该数据具有明显的方向效应。图3-6 半变异函数协方差函数云图图3-7 半变异函数协方差函数云图3.3 制作臭氧浓度图制作臭氧弄度图的一般操作步骤省略，因为它们过于简单，这里只给出相对重要的步骤。（1）选择二项式进行趋势拟合在对3.2的数据进行检查时，已经发现数据中存在一个全局趋势。利用Trend Analysis工具进行修正后，可知该趋势是东南-西北方向，并且可以用一个二阶多项式进行拟合。该趋势可以从数据中剔除，并可以用一个数学公式表达。一旦剔除全局

29、趋势后，就可以对表面残差或表面的短程变异成分进行统计分析。在创建最终表面之前，该趋势还将自动添加回来以产生更有意义的结果。全局趋势剔除后所进行的分析将不再受其影响。而一旦将全局趋势再添加进来，就能够生成一个更加精确的表面。因此在图3-8中，单击Order of Trend Removal下拉箭头，选择Second。然后点击Next。（2）设置步长和步长组数半变异函数是一个关于数据点的半变异值（或称变异性）与数据点间距离的函数。对它的图形表述可以得到一个数据点与其相邻数据点的空间相关关系图。在Semivariogram/Covariance Modeling对话框（图3-9）中可以模拟数据集的空

30、间关系。缺省情况下，将以球面半变异函数模刑来计算其最佳参数值。首先，地统计分析模块要为半变异函数值的划分确定一个合适的步长大小。一个好的步长大小也有助于揭示空间相关关系。该对话框用表面图和散点图的形式来显示半变异函数值与距离间的关系。然后拟合一个球面半变异函数模则（在各个方向都能拟合的很好）以及它们的相关参数值，这些参数通常被称为块金效应、变程及偏基台值（结构方差）。 可以尝试用小的步长（距离）来拟合半变异函数。可以采用不同的步长分组值，通过改变步长的大小和步长组数目来重新拟合缺省球面模型。这里步长值设置为12000，步长组数设为10。（3）选择方向效应方向效应会对半变异函数中的点以及将要拟合

31、的模型产生影响。邻近的事物在某些方向上的相似性比其他方向的相似性更强。方向效应又被称为各向异性，地统计分析模块能够对它们进行解释。引起各向异性的因素可能足风、侵蚀、地质构造或者许多多其他过程。这里的方向角设置为默认。（4）交叉验证交叉验证的目的就是让你知道哪个模型的预测最精确。对于一个预测精确的模型，其均差应接近于0，其均方根误差和平均标准差应该尽可能地小（这在比较模型时很有用），并且其均方根标准误差应该接近于1。据图3-10分析，其均差mean为0.，已接近于0，其均方根误差Root-Mean-Square:和平均标准差Average Standard Error分别为0.01135和0.0

32、1433，其均方根标准误差Root-Mean-Square Standardized为0.8336，接近于1。总之，建立的模型预测精度是较高的。（5）模型比较下面比较考虑全局趋势和方向效应参数建立的模型与采用缺省参数建立的模型，检查两个模型哪一个的预测精度高。分析图3-11知，依据全局趋势和方向效应参数建立的模型Trend removed的均差比采用缺省参数建立的模型Defualt更接近于0，模型Trend removed的均方根误差和平均标准差都较模型Defualt小，模型Trend removed的均方根标准误差较模型Defualt更接近于1，因此模型Trend removed的预测更加精

33、确。分析图3-12知，模型Trend removed的预测值比模型Defualt的预测值更加服从正态分布，说明依据全局趋势和方向效应参数建立的模型Trend removed的预测效果好。图3-8 Geostatistical Method Selection对话框图3-9 Semivariogram/Covariance Modeling对话框图3-10 Cross Validation对话框图3-11 Cross-validation对话框图3-12 QQ图3.4生成最终成果图（1）在ArcMap中显示两个表面用ArcMap来生成一幅包含预测表面及概率表面的最终成果图，为了实现这一目的，将概

34、率值将以等高线的形式显示（见图3-13）。由于受数据采样点的影响，生成的预测表面层Trend removed和概率值层Indicator Kriging没有覆盖研究区间的全部，所以对其进行扩展，具体方法为：在目录表中右击Indicator Kriging层，再单击Properties。在Properties对话框中点击Extent标签。在Set the extent to框中选择a custom extent entered below，在Visible Extent区域中输入（左）-，（右）-，（上），（下）-，然后点击OK按钮。对图层Trend removed重复上述步骤，结果见图3-13

35、。（2）以加州轮廓图为参考对图层进行剪裁制作加州范围内的臭氧浓度图，所以以图层ca_outline为标准对图层进行剪裁，以生成一幅更吸引人的地图。具体步骤为：在目录中右击Layers，然后单击Properties；在Properties对话框中单击Data Frame标签；选中Enable Clip to Shape复选框；点击Specify Shape按扭；在弹出的对话框中单击Outline of Features按扭；在Layer下拉框中单击ca_outline；点击OK按扭；单击OK按扭以关闭Data Frame Properties对话框。生成的结果图见图3-13。（3）添加一个透明的

36、山体阴影图在New Data Frame上右击，在快捷菜单中单击Add Data选项。找到数据文件夹，然后选中ca_hillshade；点击Add按钮。一幅加州山体阴影图即显示出来。；点击图层ca_hillshade，将其移动到内容列表的底部；在New Data Frame目录表中右击Trend removed层，在快捷菜单中选择Properties；单击Display标签，输入透明度为30，点击OK按钮。这样山体阴影图就被透明地显示在Trend removed层的下面。（4）导出地图设置相应的指北针、图例、比例尺、洛杉矶地区的鹰眼图等，因为这些操作比较简单，具体的步骤省略，结果图见图3-14

37、。图3-13 ArcMap中显示加州轮廓下的臭氧分布图3-14 加州地区臭氧含量分布图四、实习小结通过此次实习，我掌握了如何利用已知的采样点数据，使用kriging插值方法预测全区的数据分布。在进行插值之前，应对采样点数据进行检查，查看数据是否符合正态分布，因为只有当数据服从正态分布时，利用插值方法生成表面的效果最佳。检验正态性的方法有直方图法和QQ图法两种，直方图法是看数据分布是否服从正态分布线，QQ图法是看数据是否集中在系统给定的某条直线上，如果在直线上，则说明服从正态分布，否则不服从正态分布。如果数据不服从正态分布，就要利用一定的数学方法对数据进行正态化转换，使用转换后的服从正态分布的数

38、据进行插值计算。另外要检查数据的方向效应，具体方法见上述步骤中。预测模型建好后，还要分析模型的预测精度。对于一个能够精确预测的模型，如果是无偏估计，其平均预测误差应该接近于0；如果标准差准确的话，其均方根标准预测误差应该接近于1，如果预测值与实际测量值接近，则其均方根预测误差应该很小。通过此次实习，不仅掌握了利用点数据进行插值生成面数据，而且掌握了地图修饰和地图导出的基本方法实习四： ArcObjects的开发一、实习目的掌握ArcObjects的开发基础知识。二、实习内容（1）掌握ArcObjects的开发基础理论知识；（2）建立一个UIButtonControl，单击该按钮，加载磁盘上C:

39、USAStates.shp的 ShapeFile文件到ArcMap的地图中。（3）建立一个UIToolControl，使用该工具时，可以点选其中一个多边形对象，并把选择中记录的序号为6的字段值显示出来。三、实习步骤AO开发的一般步骤：用AO术语对问题进行描述和定义，合理地将大任务合理划分为一些子任务；理解AO的层次组织关系，标识和明确各子任务的关键字；决定在什么地方来编写代码，是VBA呢，还是VB或其它工具；根据标识的关键字在AO Developer help和其它开发资源中搜索有没有相关示例代码。打开正确的对象模型图（OMD），寻找所需要的类、接口。在AO Component Help中浏览

40、有关接口的详细说明及相关文档；在开发环境中使用确定的接口及其方法属性等，完成代码实现。4.1 实现加载地图如图4-1，建立Toolbar按钮，选择UI Button Control（图4-2），在图4-3对话框中添加如下代码：Private Sub UIButtonControl1_Click() Dim pWF As IWorkspaceFactory Set pWF = New ShapefileWorkspaceFactory Dim pFWS As IFeatureWorkspace Set pFWS = pWF.OpenFromFile(C:USA, 0) Dim pFClass A

41、s IFeatureClass Set pFClass = pFWS.OpenFeatureClass(STATES) Dim pFLayer As IFeatureLayer Set pFLayer = New FeatureLayer Set pFLayer.FeatureClass = pFClass Dim pDataset As IDataset Set pDataset = pFClass pFLayer.Name = pDataset.Name Dim pDoc As IMxDocument Set pDoc = ThisDocument pDoc.AddLayer pFLaye

42、rEnd Sub效果见图4-4，点击刚刚建立的Custom Toolbar1，即可实现加载磁盘上C:USAStates.shp的 ShapeFile文件到ArcMap的地图中。4-1 New Toolbar对话框图4-2 New UI Control对话框 图4-3添加代码 图4-4 加载地图效果4.2 提取序号为6的字段值在图4-5对话框中选择UI Tool Control,在图4-6对话框中添加如下代码：Private Sub UIToolControl1_MouseDown(ByVal button As Long, ByVal shift As Long, ByVal x As Lon

43、g, ByVal y As Long) Dim pDoc As IMxDocument Dim pScreenDisp As IScreenDisplay Dim pDt As IDisplayTransformation Dim pPt As IPoint Dim pMap As IMap Dim pLayer As IFeatureLayer Dim pFeature As IFeature Dim pFeatureCursor As IFeatureCursor Dim pSpatialFilter As ISpatialFilter Set pDoc = ThisDocument 把屏

44、幕坐标点转换成地图坐标点 Set pScreenDisp = pDoc.ActiveView.ScreenDisplay Set pDt = pScreenDisp.DisplayTransformation get the MouseDown location in map units Set pPt = pDt.ToMapPoint(x, y) 引用一个图层 the tutorial expects the first layer to serve as the target Set pMap = pDoc.ActiveView.FocusMap Set pLayer = pMap.Lay

45、er(0) pLayer.Selectable = True 定义空间过滤条件 create a SpatialFilter to be used in a point in polygon selection Set pSpatialFilter = New SpatialFilter With pSpatialFilter Set .Geometry = pPt .GeometryField = pLayer.FeatureClass.ShapeFieldName .SpatialRel = esriSpatialRelWithin End With 空间查询 Set pFeatureCu

46、rsor = pLayer.Search(pSpatialFilter, False) pFeature is a polygon feature Set pFeature = pFeatureCursor.NextFeature MsgBox pFeature.Value(6) End Sub结果显示见图4-7。 图4-5 New UI Control对话框 图4-6 添加代码图4-7 结果显示四、实习小结通过此次掌握了ArcObjects的开发基础理论知识，能够开发简单的控件功能。体会到了掌握GIS二次开发的重要性，因为有时候很多功能是解决具体问题而独需的功能，这样通过开发小控件能够很便捷

47、地解决问题。实习五： WEBGIS开发一、实习目的使用ArcGIS Server JavaScript API加载地图，学会使用HTML代码和对地图加载一些控件，使地图美观实用。二、实习内容1在浏览器中加载一幅瓦块地图2设置鹰眼图控件、比例尺控件、书签控件3加载动态地图并显示文本三、实习步骤5.1在浏览器中加载一幅瓦块地图添加图5-1中的代码，保存为HTML格式的文件，然后打开结果见图5-2。代码说明解释：FirstMap这是表明页面的标题，可以更改以适合页面内容。 以上这些代码是加载地图的样式。这是api脚本的引用。完成上面的API引用后，就可以在脚本标签中添加地图应用，因为ArcGIS JavaScript API是建立在Dojo框架之上，所以需要用到一些dojo的方法 首先调用所需要的包:dojo.require(esri.map);ArcGIS API for JavaScript 是基于 dojo 的，dojo 有一个特点就是模块化，当然 ArcGIS API